改进YOLOv5s的钢材表面缺陷检测算法

作     者：吕秀丽 卢海滨 侯春光 王志刚 LV Xiu-li;LU Hai-bin;HOU Chun-guang;WANG Zhi-gang

作者机构：东北石油大学物理与电子工程学院 中共大庆市委网络安全和信息化委员会办公室 

出 版 物：《化工自动化及仪表》 (Control and Instruments in Chemical Industry)

年 卷 期：2024年第51卷第2期

页      面：301-309页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：黑龙江省教育科学规划课题(批准号:GJB1421131)资助 黑龙江省高等教育教学改革研究项目(SJGY20210110)资助的课题 

主　　题：缺陷检测 深度学习 改进YOLOv5s Swin Transformer 注意力机制 

摘      要：为提高钢材表面缺陷检测的准确率,提出一种改进YOLOv5s的钢材表面缺陷检测算法。首先,在特征提取网络中引入Swin Transformer结构,增强网络对特征的感知能力;其次,添加坐标注意力机制,加强对重要特征信息的关注;最后,针对钢材缺陷的特点增加检测层,提升多尺度目标检测能力,并使用SIOU损失函数评估检测效果。将所提出的算法在公开数据集NEU-DET上进行消融实验,结果表明:所提算法能有效提高钢材表面缺陷目标检测的准确率。